竞争性电力市场模拟定价机制PDF电子书下载

第1章　竞争性电力价格的结构和行为基础 1

摘要 1

1.1 导论 1

1.2　市场基本原理 5

1.3　制度改革和战略性演变 12

1.4　概要评论 17

第一部分　价格和战略性竞争 19

第2章　竞争者对西班牙日前市场的市场模拟的反应 19

摘要 19

2.1 引言 20

2.2　西班牙小时竞价电力市场 20

2.2.1　西班牙发电市场结构 20

2.2.2　竞价结构 21

2.2.3　出清和价格确定 21

2.2.4　剩余需求 22

2.2.5　短期市场分析 23

2.2.6　竞价信息的可获性 23

2.2.7　中期市场均衡分析 24

2.2.8　篇章概述 25

2.3　竞价函数分析的两阶段群集程序 25

2.3.1　建议方法 25

2.3.2　对竞价函数的群集分析 27

2.3.3　两阶段程序：小时和日群集 27

2.3.4　BF代码化 27

2.3.5　BF之间距离的定义 28

2.3.6　竞价函数群集的聚核计算 29

2.3.7　实例 30

2.4　使用时间序列（ARIMA）模型预测剩余需求函数 34

2.4.1　使用ARIMA模型分析 35

2.4.2　使用TF模型和加权估算分析 40

2.4.3　案例研究 47

2.4.4　结论 48

2.5　发现电力市场状态，以便使用隐藏投入—产出的马尔柯夫模型预测剩余需求函数 49

2.5.1 隐藏的马尔柯夫模型及与电力市场的类比 50

2.5.2　模型描述 52

2.5.3　实例 54

2.6　模拟电力市场的推测差分方法 59

2.6.1　推测变量 60

2.6.2　隐弹性估算 61

2.6.3　案例研究 63

2.7　结论 65

术语及其含义 65

参考文献 67

第3章　电力市场补充性均衡模型 70

摘要 70

3.1 引言 70

3.2　定义 72

3.2.1　补充 73

3.2.2　Karush-Kuhn-Tucker条件 73

3.3　能源商品市场的一般补充性均衡模型 74

3.3.1　符号 74

3.3.2　竞争市场模型 77

3.3.3　古诺市场模型 79

3.4　两种模拟分析输电网络中的古诺发电厂商行为的方法的比较 80

3.4.1　MCP电力市场模型：电力销售的古诺模型，输电的伯兰特（Bertrand）模型 80

3.4.2　EPEC电力市场模型：电力销售的古诺模型，输电的斯泰克伯格（Stackelberg）模型 85

3.4.3　一个简单的数字的例子 87

3.5　大范围的应用：北美东部的电网互联 96

3.6　结论 100

参考文献 100

第4章　英国发电市场中横向并购的价格影响 104

摘要 104

4.1　序言 105

4.1.1 电力市场应用现代合并分析工具的困难 105

4.2　英格兰和威尔士电力联营 107

4.2.1　联营能源市场 108

4.2.2　煤炭合约 109

4.2.3　联营电力价格限制 111

4.2.4　发电厂被剥夺部分发电容量 112

4.2.5　NETA用来代替联营机制 113

4.2.6　天然气的禁用 116

4.2.7　市场对许可证条款的滥用 118

4.3　分析 120

4.3.1　分析方法 120

4.3.2　变量 123

4.3.3　结论 126

4.4　价格预测 128

4.4.1　2002/2003年事件 128

4.4.2　估计所提议的合并对电价造成的影响 130

4.4.3　讨论 132

4.4.4　结论 133

参考文献 134

第二部分　动态现货市场 139

第5章　对西班牙电力联营体中每周季节性单位根的测试 139

摘要 139

5.1 简介 139

5.2　数据 141

5.3　季节性单位根检验 143

5.3.1 关于每星期季节性单位根的HEGY检验 143

5.3.2　先期白噪声化方法 146

5.3.3　Canova-Hansen季节性平稳检验（CH检验法） 148

5.4　结束语 150

附录A　先期白噪声化过程 152

附录B　HEGY检验的关键值 153

参考文献 155

第6章　对艾伯塔放松管制的电力市场非线性时间序列的分析 157

摘要 157

6.1 引言 157

6.2　噪声模型 158

6.2.1　功率谱 158

6.2.2　结构函数检验 159

6.2.3　Hurst检验 160

6.3　多分形形式的调整 161

6.4　扰动行为研究 162

6.5　非线性研究 163

6.6　混沌研究 164

6.7　结论 167

参考文献 168

第7章　以分位数为基础的电力价格概率模型 171

摘要 171

7.1 引言 171

7.2　基于分位数分布和电力价格边际分布的建模 174

7.2.1　分位数模型和两类基于分位数的分布 174

7.2.2　电力价格的边际分布 177

7.2.3　标准普尔500（S＆P500）指数的风险中性分布 179

7.3 分位数——广义自回归条件异方差模型和电力价格时间序列模型 181

7.3.1　基于分位函数的非高斯广义自回归条件异方差模型 181

7.3.2　金融风险管理的运用：一个电力价格时间序列案例 182

7.4　参数推断 184

7.5　结论 186

参考文献 187

第8章　对阿根廷当日现货市场时间变化的协方差矩阵预测 189

摘要 189

8.1　概述 189

8.2　批量竞价的VAR分析 190

8.3　构建条件协方差矩阵模型 195

8.3.1 正交GARCH模型 196

8.3.2　多元GARCH模型 198

8.4　预测条件协方差矩阵 198

8.5　结束语 200

参考文献 201

第三部分 空间价格的相互影响 203

第9章　美国西部电力现货市场相互动态影响的分析 203

摘要 203

9.1　前言 203

9.2　数据 205

9.3　方法 207

9.3.1　向量自回归 207

9.3.2　无环有向图 208

9.4　结果 209

9.5　讨论 224

参考文献 226

第10章　澳大利亚电力现货市场电价及其波动的传播 229

摘要 229

10.1　前言 229

10.2　数据和指标摘要 231

10.3 多元GARCH模型 234

10.4　经验结果 235

10.5　结论 241

参考文献 242

第四部分　远期价格 245

第11章　应用中期均衡经济学和供应保障的价值预测电力的高阶矩定价 245

摘要 245

11.1　引言 246

11.2　电价矩的结构 246

11.2.1　模型建立 246

11.2.2　供应曲线和报价贴水X 247

11.2.3　均衡中发电机组的合同签订策略 249

11.2.4　均衡中供应厂商的合同签订策略 250

11.2.5　期权费中的价格分布计算 250

11.3　实例 252

11.4　评述 257

11.4.1　低负荷率发电厂的交易行为 257

11.4.2　供应者的交易行为 258

11.4.3　市场的交易行为 259

11.4.4　风险的成本 260

11.4.5　市场完整性 262

11.5　结论 262

参考文献 263

第12章　北欧市场电力远期曲线动态模型 264

摘要 264

12.1 引言 264

12.2　模型 266

12.3　北欧市场中的远期模型 268

12.3.1　北欧电力市场中的产品 268

12.3.2　模型参数的估计 268

12.4　模型在实例中的应用 270

12.4.1　对远期曲线的有条件预测 271

12.4.2　远期期权的定价 272

12.4.3　远期曲线模型的精确性 274

12.5　结论 275

附录A　模型参数的估计 275

参考文献 278

第13章　远期曲线的动态性和市场转变预测 280

摘要 280

13.1　商品期货价格的期限结构 280

13.2　预测市场转变 285

13.2.1　强度指标权重 286

13.2.2　主成分指标 288

13.2.3　季节性商品的指标 290

13.3　判别域和计算机引导方法 291

13.3.1　使用变化指标 291

13.3.2　平坦、固定的计算机引导方法 293

13.4　电力和原油期货的应用 294

13.5　结束语 297

参考文献 298

第五部分　预测和风险管理 299

第14章　风险利润管理下的价格模型 299

摘要 299

14.1　引言 299

14.2　电价模型 301

14.2.1　金融模型 301

14.2.2　基本模型 302

14.2.3　综合分析方法 302

14.3　风险利润和风险管理模型 303

14.4　输人参数的模型化 307

14.4.1　电价模型 307

14.4.2　电量风险的模型化 311

14.4.3　其他因素 312

14.5　算例结果 312

14.6　结论 317

参考文献 318

第15章　预测天气变化密度对天气衍生工具和电价的影响 320

摘要 320

15.1　引言 320

15.2　天气集合预报 321

15.3　天气变量的一元时间序列建模 323

15.3.1 回顾温度时间序列模型 323

15.3.2　英国地区的气温模型 324

15.3.3　英国地区的风速模型 327

15.3.4　英国的云层覆盖模型 329

15.4　天气点预测的经验比较 329

15.4.1　点预测方法 329

15.4.2　结果 330

15.5　天气分位数预测的经验比较 331

15.5.1　分位数回归 332

15.5.2　分位点的预测方法 332

15.5.3　结果 333

15.6　气温、风速和云层覆盖分析的总结 337

15.7　预测收益密度对天气衍生工具的影响 338

15.7.1　温度卖出期权 338

15.7.2　预测的观察比较 338

15.8　电力需求模型 340

15.8.1　受天气影响的电力需求模拟 340

15.8.2　预测的观察比较 341

15.9　结论与建议 342

参考文献 343